BairdのVAPSアルゴリズムを元にした方策勾配法の学習速度が激遅。目的関数のパラメタの更新式の意味を読み間違えていたらしい。

学校から家に帰ってきたら両親がいない。そういえば今日は遅くなるとか言っていたようないないような… ﾗﾒﾝでも食いにいこうっと。